首页

APP 下载 六只脚

查看: 3434|回复: 0

[智能设备] 中国GoBe2水分测量验证报告

[复制链接]
发表于 2019-5-14 11:21:04 | 显示全部楼层 |阅读模式
摘要: GoBe2™是一种可自动追踪能量摄入的保健技术。该手环通过分析细胞内外液体平衡的行为模式来收集信息。本研究测试了在运动后与饮水后GoBe2™检测水分水平的能力。
1  前言

什么是 GoBe2™? GoBe2™是全球第一款也是唯一一款具有 100%自动追踪能量摄入、水平衡和压力功能的智能手环技术。GoBe2™只需要与用户的皮肤接触就可以运作,不需要手动向应用程序中输入任何数据。该手环有 4 个传感器(生物阻抗传感器,加速计,压力传感器和皮肤电反应传感器),这需要额外的电量。

2  方法

2.1 对象

13 名年龄在 20-50 岁之间的成年志愿者(3 名男性,10 名女性)参与了研究,以验证GoBe2™的各种健康追踪功能。为了验证该设备对水分水平的评估功能,志愿者完成了两个耗时 2 小时的测试,包括运动(脱水)和饮水或饮用 1:1 稀释的林格氏液(补水)。水分的丢失和吸收是通过运动期间体重的变化和补水成分来估算的。这种方法曾被用于观察液体平衡的变化[1]。

两名志愿者的数据未纳入随后的林格氏液实验的统计分析中,因为他们违反了实验规则:测试前 GoBe2™佩戴时间不足,导致设备切换到非标准测量模式
所以,最终结果包括 11名志愿者(8 名女性和 3 名男性)参与林格氏液实验的数据和 13 名志愿者(10 名女性和 3 名男性)参与纯水实验的数据,关于人体测量学特征的更多细节见下文“主要人体测量学特征的描述性统计”部分。

2.2  招募 & 筛选

在人体测量学方面,以精确到 0.1kg 的电子秤(PPS-JY-06, Pampas)称量志愿者体重,以精确到 0.1 cm 的墙面测距仪(RGZ-120-RT, Wuxi weighingapparatus Co.,Ltd.)测量志愿者身高。人体测量由广州市红十字会医院的专业人员操作,依照人体测量标准化参考手册[2]中所述方法进行。

2.3  实验 流程

在测试开始前,志愿者穿休闲服,脱鞋,称量体重并记录,精确到 0.1kg,他们运动完后会再换回这身休闲服。

在开始运动前,志愿者被要求将手环与智能手机应用程序同步。打开“当前饮水量”页面并截图,在应用程序和 Healbe 后台检查水分水平动态,以确认记录的数据。

运动流程 。志愿者们被要求穿运动服(如衬衫、短裤,或轻便裤子、袜子等),在跑步机上不扶扶手的情况下,以以下速度行走/跑步:

1. 步行,速度 1.8 - 4.2 km/h (约 15 分钟);
2. 慢跑,速度 4 - 6.8 km/h (约 10 分钟);
3. 步行,速度 1.7 – 5.3 km/h (约35 分钟);

前两个阶段在运动的同时进行间接热量测量(面罩),提供能量消耗数据。在完成跑步机测试后,志愿者们被要求用毛巾擦掉身上多余的汗水,换上休闲服,再次记录体重。

饮水流程 。在运动后45-60 分钟内,志愿者每 15 分钟喝 200mL 水或林格氏液(总体积最多 800-1000 mL)。如果在这段时间里有小便,就会记录下来,然后记录志愿者的体重。补水流程耗时超过 1h,结束时记录最终体重。水分平衡是通过整个运动和补水过程的体重变化来计算的。

1.png

图 1  一位 志愿者的实验 流程示意图(UID=4 )。 X 轴为时间,单位 min。图中的红线表示运动结束和补水开始,黄线表示小便,天蓝色线表示饮200mL 水,黑线表示实验结束。HL 面板上的紫线是水合水平,活动面板上的紫线是慢跑和步行的速度。
3  主要人体测量学特征的描述性统计

这部分内容专门讨论志愿者的人类学特征:年龄、体重、身高、体质指数(BodyMass Index,BMI)、基础代谢率(Basal Metabolic Rate,BMR)。

2.png

对这些指标的分布进行正态分布检验,计算其均值、变异系数(Coefficients ofVariation, CV)及置信区间(95% CI)。正态性检验采用三种统计法:Shapiro-Wilk 正态性检验(S-W) [3], Anderson-Darling 正态性复合假设检验(A-D) [4], Jarque-Bera正态性检验与偏度和峰度系数(J-B) [5]。需要注意的是,所有指标均呈正态分布,但 BMI 略偏离正态分布。表中 S-W、A-D、J-B 的值为这些检验对应的原假设(数值呈正态分布)的 p 值。还需要注意,p 值是原假设为真的概率。均值和变异系数的置信区间用 Boot R 库 bootstrap 法分析。

3.png

每行的第一个图是带密度线的直方图。每行第二个图是盒须图。盒须图的线框上下边对应于第一和第三个四分位(第 25 和 75 百分位)。上须从线框上边向上延伸到最大值,距离线框上边不超过 1.5*IQR(其中 IQR 为四分位间距,即第一和第三个四分位之间的距离) 1 。分割线框的横线是中位数。红色的菱形是均值。还要注意,为了防止重叠,样本值会沿 x 轴抖动(随机)。每行的第三张图是 QQ 图,将正态分布的理论分位数与被调查样本的经验分位数进行比较。

4 样本的主要 人体测量学特征的相 性 关分析

这部分内容是为了揭示人体测量学特征的相关性。这部分中使用了两种工具:所有可能的配对样本的 Spearman 秩相关系数及 p 值见表 2,而图 3 将表 2 可视化了。

表 2 的对角线下方的值为对应的行和列变量的相关性,对角线上方的值为这些相关性为零的概率(p 值)。这里及后文的相关是指Spearman's 相关系数 r s 。

相关性分析表明体重与BMI、BMR 存在显著相关。其他人体测量学特征相关性的假设被拒绝,部分原因是样本量较小。

4.png

5 运动和饮水 时 GoBe2™ 水分水平 的统计学比较

我们比较了运动(脱水)和饮水(补水)后 GoBe2™的测得的水分变化。这些图是为了比这两种情况下估算的水分变化。以两组数据进行分析:1) 运动 (散步和慢跑) 中每分钟测一次水分,2)每 15 分钟喝 200 毫升水,共饮水 4-5 次,每次饮水后测水分。

需要注意的是,对水分下降的估算是从实验开始到水分最低的这段时间内进行的,并不在控制权重的第一阶段正式结束时结束! 因此,在实验中,我们将水分达到最小值后的一段时间作为补水期,并与实验结束时的水分水平进行比较。

表 3 运动和饮水后 GoBe2™ 水分水平变化的统计学比较。 正态检验:S-W =Shapiro-Wilk;A-D=Anderson-Darling;J-B = Jarque-Bera;CI =置信区间;d =平均差;平均和(Mean Sum)-所有志愿者在第 1 阶段和第 2 阶段所有水分变化的总和的平均值;rs - Spearman 秩相关。

5.png

分析结果见表 3,其中所有的置信区间都是经 bootstrap 分析的。首先,对GoBe2™手环实验在运动和饮水阶段的水分变化分别进行正态分布检验后,不能拒绝原假设——仅在脱水情况下才具有正态性。另外,脱水和补水的均值分别为-8.58 和+6.29,两者之间的均值差为+14.88,均值和为-2.29,每一个均值都给出了置信区间和 Wilcoxon 检验的 p 值。配对样本 Wilcoxon 检验[6]显示,GoBe™测得运动后与饮水后的水分变化之间存在显著差异(平均 14.88 个单位),p< 0.0001,即水分变化为零的概率小于 0.01%。Wilcoxon 检验[6]不能拒绝所有志愿者在运动后和饮水后水分水平变化平均和(-2.29)为零的假设,p 值为0.05,这表明所有志愿者在实验结束时水分水平的均值已经恢复。

最后我们进行了Spearman 秩相关分析,结果表明每个个体的脱水和补水的水分水瓶变化水平之间无关联(r s =-0.53,p-value=0.008) (见表 3)。

见图 4 给出了一些其他的分析结果。脱水和补水过程水分值的盒须图表明在佩戴 GoBe2™手环的两个阶段的实验中,水分变化在相应平均值附近出现明显极化。中间的 QQ图将脱水和补水的水平与正态分布相比较,存在几个异常值。最后,散点图显示每个志愿者的脱水和补水水平之间存在中等程度的相关性,且脱水和补水水平的均值是相等的。

6.png

6  水分和体重

最后一部分专门分析GoBe2™测量的水分变化与体重变化之间的关系。在所有实验开始、运动结束和实验结束时,每个志愿者都称量了体重。除运动和饮水外,还记录了排尿。每个志愿者的体重和水分变化的散点图见图 5,该图展示了体重和水分水平之间的关系。
图 5 和图 6 表示 GoBe2 TM 测算水分的功能可能预测到的四种结果:补水和体重下降(不可能的情况)、补水和体重增加(正确的情况)、脱水和体重下降(正确的情况)、脱水和体重增加(不可能的情况)。图 5 和图 6 证实 Gobe2 TM 能够准确区分所有这些结果。
表 4 集中展现了图 5 和图 6 所示的 GoBe2 TM补水部分的结果,以 Pearson 独立 p 值(独立概率)卡方检验和 Cramer'sV 关联测试进一步分析其关联。需要注意的是,我们用这些方法代替 Spearman 分析体重与水合作用差异的关联,是因为运动和饮水引起的体重减轻和体重增加过程有显著的生理差异。GoBe2 TM 能够检测到两种结果:1.脱水导致体重减轻;2. 补水对应体重增加。

7.png

林格氏液与水的补水效率的差异以速度 HL v = (max(HL) min(HL))/(t max -t min )进行估算,其中 min(HL)、max(HL)分别为个体的最低和最高水分水平, t min , t max 分别为达到最小/最大值的时刻,以分钟为单位。实验中检测到的水与林格氏液的补水速度无差异,水的平均补水速度为 0.193,林格水的平均补水速度为 0.188。绝对水分变化也无统计学差异,水和林格氏液的平均(max(HL)min(HL))分别为5.077 和 8.545。Wilcoxon检验也不能拒绝差异显著的假设,p = 0.18,至少对于这个小样本分析是这样。

间接量热法(面罩法)是实验中额外的信息来源,提供了能量消耗数据。如图7 所示,根据能量消耗水平估算的每个志愿者运动过程中的水分损失与相应的体重下降之间存在弱相关性,-0.22,每个志愿者能量消耗本身与相应的体重下降之间也存在弱相关性,-0.26。

8.png
9.png

7  结论

本研究以正态检验和相关性分析来统计人体测量学特征基线。由于样本量小且不均匀,分析结果显示志愿者特征不呈正态分布。在运动和饮水期间每分钟测量水分,然后将数据分为两组 (脱水、补水)进行分析。配对Wilcoxon 符号秩检验不能拒绝原假设——GoBe2™检测到的运动前水分变化(阴性)与饮水前水分变化(阳性)存在显著差异,这意味着 GoBe2™能够表明样本中存在显著的脱水和补水现象。Wilcoxon 符号秩检验的原假设是脱水和补水水平的平均和为零(补水在平均水平上恢复了),该原假设也不能被拒绝,这一事实表明,运动过程中的平均脱水量在补水过程中得到了补偿。最后,对于个体而言,Spearman 秩相关性检验未拒绝运动后脱水水平和饮水后补水水平之间相关的假设。

GoBe2TM 已被证明能够预测所有志愿者的脱水/补水过程以及相应的体重变化。实验还发现了另一结果,GoBe2 TM 技术的水分测量结果显示,健康成年人运动后的水分和体重下降之间存在弱相关性。

总之,GoBe2™的实验证实了 GoBe2™具有在补水和脱水的情况下评估水分水平的能力。

References

[1]  Rivera-Brown, AM, Gutierrez R, Gutierrez JC,Frontera WR, Bar-Or O. “Drinkcomposition, voluntary drinking, and fluid balancein exercising, trained,heat-acclimatized boys.” Journal of Applied Physiology,1999 86(1): 78-84.

[2]  Timothy G Lohman; Alex F Roche; ReynaldoMartorell (1988). Book:
"Anthropometricstandardization reference manual".

[3]  Patrick Royston (1982). Algorithm AS 181: TheW test for Normality. AppliedStatistics, 31, 176–180.

[4]  Stephens, M.A. (1986): Tests based on EDFstatistics. In: D'Agostino, R.B. andStephens, M.A., eds.: Goodness-of-FitTechniques. Marcel Dekker, New York.

[5]  J. B. Cromwell, W. C. Labys and M. Terraza(1994): Univariate Tests for TimeSeries Models, Sage, Thousand Oaks, CA, pages20–22.

[6]  Myles Hollander and Douglas A. Wolfe (1973).Nonparametric StatisticalMethods. New York: John Wiley & Sons. Pages 27–33(one-sample), 68–75
(two-sample).Or second edition (1999).

7.png
您需要登录后才可以回帖 登录 | 免费注册

本版积分规则

精彩推荐

快速回复 返回顶部 返回列表